算力的盡頭是能源：科技巨頭如何應對能源瓶頸

　　在享受智能手機的便捷、人工智能的高效、云計算的強大時，我們很少停下來思考：這些日益普及的技術，背后究竟依賴著多少能源?從智能手機的快速運算，到云端服務器的海量數據處理，再到智能家居的自我學習，背后都有一個共同的隱形力量 —— 算力。

　　然而，算力并非無止境，這股力量的盡頭，正是能源的極限。算力的增長和普及離不開能源的強力支撐，其盡頭在于能源。能源的獲取、利用效率、分配和可持續性，將決定算力未來發展的邊界。

　　算力與能源，仿佛是兩根交織的命脈，缺一不可。每一次技術的突破，都會伴隨著對計算能力的更高需求，而這一切的背后，離不開對電力的依賴。最近，在白宮舉行的一次會議上，OpenAI 首席執行官山姆?奧特曼(Sam Altman)提出，隨著 AI 技術的飛速發展，能源需求急劇增加，這已成為不可忽視的現實。在與全球 AI 行業巨頭們匯聚一堂時，奧特曼毫不掩飾地發出了迫切呼吁：“我們需要更多能源，而且要快。”

　　這一呼聲，標志著在數字時代，算力與能源的關系已進入前所未有的緊張態勢。在這一背景下，遠景科技集團董事長張雷在 “2024 央視財經跨年演講” 中指出：“今天，當我們進入人工智能時代，發現原來能量可以制造智力，只有超級的能量和算力，才能創造超級的智力，人工智能的盡頭居然是能源。”

　　算力為何與能源密不可分?

　　算力是計算設備執行指令、處理數據的能力，而這些設備的運行需要依賴能源，尤其是電力。隨著人工智能的迅猛發展，算力需求正以更高的速度上升，導致能源壓力日益增大。從芯片運算到設備散熱，從硬件制造到冷卻系統維護，算力的每一步都消耗著大量能源。據 Synthesia 稱，英偉達的 AI 服務器每年至少需要 85.4 太瓦時的電力，這一耗電量相當于荷蘭一年的用電量。

　　以人工智能領域的語言模型為例，訓練一個大型生成式模型，通常需要數千張高性能 GPU 或 TPU 并行工作數周，消耗的電力足以支撐一個中型城市運轉數月。根據美國電力研究院(Electric Power Research Institute，簡稱 EPRI)的數據，每項 ChatGPT 請求消耗的能源是標準(非 AI)谷歌搜索請求的 10 倍。該組織預測，到 2030 年，數據中心耗電量占美國全部發電量的比例將高達 9.1%，而目前這一比例為 4%。

　　在這種背景下，盡管某些技術進步似乎可以緩解算力需求的快速增長。例如，官方披露的 DeepSeek V3 模型在 14.8T 高質量 token 數據上進行預訓練時，所使用的算力僅為同類模型 Llama 3 的 1/11。這個數據給許多人帶來了希望，似乎意味著未來的大型 AI 模型不再需要如此龐大的計算資源，從而可以緩解能源壓力。但從產業發展的長期趨勢來看，這種樂觀預期或許過于簡單。

　　AI 模型的商業化進程，很可能出現 “前沿與追隨” 并存的雙軌格局。前沿模型依賴先進推理架構和算法，用于解決復雜問題并獲得豐厚的商業回報，這類模型對算力的需求極大;而追隨模型則以低成本進入中低端市場，在規模化應用時仍需大量算力來保證應用效率。

　　無論是前沿模型還是追隨模型，二者的共同特點是對算力的需求不斷增長。盡管單個模型可通過算法優化或硬件效率提升降低訓練能耗，但總體來看，算力需求與能源消耗卻呈現出指數級的增長態勢。因此，盡管技術創新短期內會帶來一些節能效應，但隨著 AI 技術應用的普及和深化，算力需求將不可避免地繼續攀升，能源瓶頸也將愈加凸顯。

　　為此，在白宮會議后，奧特曼與 AI 行業的領軍人物共同提出了名為《基礎設施關乎前途命運》(Infrastructure Is Destiny)的提案，呼吁美國政府在多個州建設若干個裝機容量為 5 吉瓦的大型發電站，以應對日益增長的 AI 能源需求。每座 5 吉瓦的發電站成本高達 1000 億美元，專為 OpenAI 及其他 AI 前沿公司提供電力支持。這一提案反映了數字社會中算力與能源之間日益加劇的沖突。當前，全球 5 - 7 家科技巨頭大量使用算力資源，訓練和運行新一代 AI 模型，對這種規模的發電站需求十分迫切。5 吉瓦的容量只是對未來算力需求的初步估算，隨著技術發展，這一需求還可能進一步上升。

　　能源的邊界：摩爾定律的悖論

　　摩爾定律曾是半導體行業發展的核心法則：芯片的計算能力每 18 個月翻一番，且單位功耗保持不變。這個定律促進了芯片性能的提升，也在一定程度上帶動了算力的擴展。然而，隨著芯片工藝逐漸逼近物理極限，摩爾定律的 “魔力” 開始衰退，單位算力的功耗并未顯著下降。換句話說，算力的增長速度，已經超越了單純依賴芯片工藝進步的階段，更多依賴于硬件數量的增加和計算資源的集中，而這直接導致了能源消耗的加劇。我們不得不面對一個日益嚴峻的問題：能源供應是否能跟得上這一增長的算力需求?

　　全球數據中心的能源消耗正處于快速增長之中。根據國際能源署(IEA)的預測，到 2026 年，全球數據中心和 AI 行業的電力需求將翻倍。美國的情況尤為嚴峻，美國能源部估計，到 2027 年，50% 的新數據中心將面臨電力不足的問題。預計到 2030 年，僅美國的數據中心電力需求將達到 35 吉瓦，幾乎是 2022 年需求的兩倍。而這僅僅是 AI 與大數據等高算力需求的初步反映。隨著生成式 AI 和機器學習等技術的深入發展，算力需求將繼續攀升。這種增長趨勢，正迫使全球科技公司在算力需求和能源供應之間，做出艱難的抉擇。

　　除了電力能源之外，數據中心還消耗大量的水資源。總部位于香港的智庫 “中國水風險” 指出，目前中國內地 430 萬個數據中心機柜的耗水量約為 13 億立方米，約為天津全市居民用水量的 1.9 倍;到 2030 年可能會增加到 1130 萬個機柜，耗水量超過 30 億立方米。報告亦指出，隨著聊天機器人的興起，相較傳統搜索，聊天機器人可能導致用水量激增 20 倍。

　　能源的來源：科技巨頭如何應對能源危機

　　面對日益嚴峻的能源瓶頸，全球科技巨頭紛紛提出解決方案，力圖在算力需求與能源供給之間找到平衡點。無論是核能、可再生能源，還是邊緣計算、冷卻技術等一系列創新方案，都在尋找突破口，試圖為未來算力的可持續增長鋪路。

　　1.核能：穩定但不完美的選擇

　　核能不僅能夠提供高效且穩定的電力供應，還具備低碳的優勢，因此成為許多科技公司解決能源瓶頸的關鍵選擇。亞馬遜、谷歌和微軟等公司，都在積極探索將核能作為支撐數據中心算力的穩定電力來源。

　　例如，亞馬遜已經在賓夕法尼亞州建設了一個靠近核電站的數據中心，以便直接利用核電的穩定供應。與此同時，亞馬遜宣布將投資超過 5 億美元開發小型模塊化核反應堆(SMR)，以滿足其云計算服務擴展到生成性 AI 時對清潔能源的巨大需求，并作為實現凈零碳排放的一部分。亞馬遜網絡服務(AWS)已與弗吉尼亞州公用事業公司 Dominion Energy 達成協議，探索在現有的 North Anna 核電站附近開發 SMR。SMR 具有更小的占地面積、更快的建設時間，能夠更快地接入電網。亞馬遜還與 Energy Northwest 達成協議，資助在華盛頓州開發四個 SMR，這些反應堆將直接向電網供電，幫助滿足亞馬遜運營的能源需求。

　　微軟(Microsoft Corp.)更是與核能初創公司合作，開發小型模塊化反應堆(SMR)，以提供更靈活的核能解決方案。最近，微軟達成協議，計劃在2028年重啟已經退役的三哩島核電站(Three Mile Island)，并購買該站的全部電力供應。

　　盡管核能具有低碳、穩定的優勢，但它也面臨著巨大的挑戰。首先是高昂的建設和維護成本，其次是核廢料的處理和管理問題。此外，公眾對核能安全存在擔憂，當地居民可能會抵制(英文中有 NIMBY 這個說法，即 Not In My Backyard，一項有意義的公共工程人人都希望建設，但不希望建在自己社區附近)。再考慮到漫長的許可和建設過程，核電作為一種解決方案只能發揮有限作用。

　　2.可再生能源：綠色能源的追尋

　　除了核能，越來越多的科技公司開始轉向可再生能源，如風能、太陽能等，以應對日益增長的能源需求。蘋果公司通過大規模投資太陽能和風能，已經實現了其數據中心 100% 依賴可再生能源的目標。Meta 也在北歐建設了多個綠色數據中心，利用當地豐富的水力和風力資源，為其全球業務提供清潔能源。

　　最近，谷歌宣布與美國能源公司 Intersect Power 和投資公司 TPG Rise Climate 攜手，共同投資 200 億美元，在美國打造多個由可再生能源供電的工業園區，旨在為數據中心供應清潔能源，減少碳排放。首個園區預計將于 2026 年部分投入運營，2027 年全面竣工。如果成功，這將極大地改變數據中心的建設和運營方式。谷歌及其競爭對手一直在努力為能源密集型 AI 數據中心尋找清潔能源來源。然而，美國的電力供應仍主要依賴化石燃料，新數據中心接入電網會導致更多的污染。通過這一新的合作伙伴關系，谷歌可以直接連接到太陽能、風能和電池等可再生能源，繞過傳統電網，從而降低碳排放。

　　谷歌全球數據中心能源主管 Amanda Peterson Corio 在一份新聞稿中表示：“AI 的規模為我們提供了徹底重新思考數據中心開發的機會。為了實現 AI 的潛力，必須以新的清潔能源來源來滿足不斷增長的電力需求。”

　　然而，可再生能源也并非沒有缺陷。風能和太陽能的間歇性特質，使得它們無法保證全天候穩定供應。而這一問題，直接影響了數據中心的能源保障。如何解決可再生能源的波動性，以及如何高效儲存和調度這些能源，依舊是擺在科技公司面前的一大挑戰。

　　3.中國的 “東數西算”：資源優化的探索

　　在中國，隨著數字經濟的崛起，算力需求的爆炸性增長同樣帶來了巨大的能源與環境壓力。為此，中國提出了 “東數西算” 戰略，旨在通過將數據中心從東部能源密集地區遷移至西部，以此緩解東部能源供應緊張的困境。西部地區水利和風能資源豐富，使得這一戰略在一定程度上為解決能源供應問題提供了可行的路徑。

　　然而，這一戰略并非沒有挑戰。西部地區水資源緊張，且大量的數據中心需要消耗巨量水資源進行冷卻。同時，盡管中國在推廣清潔能源方面取得了一定進展，但許多數據中心仍然依賴于燃煤電力，這使得碳排放問題依然嚴峻。

　　技術突破：未來算力能源的希望與可能

　　技術創新或許能夠為破解算力與能源之間的矛盾提供新的希望。邊緣計算、量子計算、冷卻技術等前沿技術，正在為數據中心的能源消耗提供創新解決方案。邊緣計算通過將計算任務分布到靠近用戶的終端設備或本地節點，減少了對集中式數據中心的依賴。這不僅降低了能耗，還能提升數據處理效率。隨著 5G 和物聯網(IoT)的普及，邊緣計算可能成為未來算力發展的一大趨勢。

　　冷卻技術的進步也不容忽視。隨著計算密集型任務的增多，數據中心的冷卻技術成為了減少能耗的關鍵。傳統的空調和風冷系統不僅效率低下，而且耗能巨大。例如，利用寒冷地區的自然氣候，數據中心可以顯著減少對傳統冷卻設備的依賴，同時降低能耗和運營成本。近年來，液冷技術和浸沒式冷卻技術的出現，為數據中心提供了更為高效的解決方案。

　　另一種可能性是量子計算。量子計算利用量子力學的原理，能夠在某些特定任務中以極低的能耗完成傳統計算機難以企及的運算。雖然量子計算目前仍處于實驗階段，但一旦技術突破并進入實際應用，它有可能大幅度減少算力對能源的需求，為解決能源瓶頸提供革命性解決方案。

　　算力的未來：能源限制中的平衡藝術

　　算力的盡頭是能源，這不僅是一種物理限制，更是一種哲學反思。算力的增長是否應當無止境?我們是否能夠在能源的邊界內找到技術發展的最佳路徑?

　　在可預見的未來，算力的增長將更多地依賴能源的創新性供給和更高效的資源利用。無論是核能、可再生能源，還是邊緣計算、量子計算，這些技術都需要在能源、環境和社會責任之間找到平衡。科技發展的意義不在于無限制地追求算力的堆積，而在于如何讓這些算力更高效地服務于人類社會。

　　能源的盡頭，不僅是技術的邊界，更是責任的開端。通過全球范圍內的合作與探索，我們有機會在算力與能源之間找到新的平衡，讓數字社會在可持續發展的軌道上穩步前行。唯有如此，算力才能成為驅動人類未來的真正動力，而非無盡消耗資源的代名詞。(澎湃新聞 作者胡逸)